multi-agent__code_samples__workflows-agent-framework__dotNET__02.dotnet-agent-framework-workflow-ghmodel-sequential
⏩ 使用 GitHub 模型 (.NET) 的顺序代理工作流程
📋 高级顺序处理教程
本笔记本演示了使用 Microsoft Agent Framework for .NET 和 GitHub 模型的顺序工作流模式。您将学习如何构建复杂的分步处理管道,其中代理按特定顺序执行,每个阶段都基于前一阶段的结果。
🎯 学习目标
🔄 顺序处理架构
- 线性工作流程设计:创建具有明确依赖性的分步处理管道
- 状态管理:维护跨连续工作流程阶段的上下文和数据流
- GitHub 模型集成:在多阶段 .NET 工作流程中利用 GitHub 的 AI 模型
- 企业管道模式:构建生产就绪的顺序处理系统
🏗️ 高级序列模式
- 阶段控制处理:在工作流程阶段之间实施验证检查点
- 上下文保存:在所有阶段维护状态和积累的知识
- 错误传播:在顺序处理链中优雅地处理故障
- 性能优化:以最小的开销实现高效的顺序执行
🏢 企业顺序应用程序
- 文档处理管道:多阶段文档分析、转换和验证
- 质量保证工作流程:顺序审查、验证和批准流程
- 内容制作流程:研究→写作→编辑→评论→出版
- 业务流程自动化:具有明确阶段依赖性的多步骤业务工作流程
⚙️ 先决条件和设置
📦 所需的 NuGet 包
.NET 顺序工作流程的基本包:
1 | <!-- Core AI Framework --> |
🔑 GitHub 模型配置
环境设置(.env 文件):
1 | GITHUB_TOKEN=your_github_personal_access_token |
配置管理:
1 | // Load environment variables securely |
🏗️ 顺序工作流程架构
1 | graph TD |
关键组件:
- 顺序代理:每个处理阶段的专用代理
- 状态上下文:维护跨阶段积累的数据和决策
- 检查点:阶段之间的验证点,以确保质量和一致性
- GitHub 模型客户端:跨所有工作流程阶段一致的 AI 模型访问
🎨 顺序工作流设计模式
📝 文档处理管道
1 | Raw Document → Content Extraction → Analysis → Validation → Structured Output |
🎯 内容创建工作流程
1 | Brief/Requirements → Research → Content Creation → Review → Final Polish |
🔍 质量保证管道
1 | Initial Review → Technical Validation → Compliance Check → Final Approval |
💼 商业智能工作流程
1 | Data Collection → Processing → Analysis → Report Generation → Distribution |
🏢 企业连续效益
🎯 可靠性和质量
- 确定性处理:通过结构化阶段获得一致、可重复的结果
- 质量门:验证检查点确保每个阶段的质量
- 错误隔离:一个阶段中的问题不会传播到后续阶段
- 审计跟踪:完整跟踪每个阶段的决策和转变
📈 可扩展性和性能
- 模块化设计:每个阶段都可以独立优化
- 资源管理:AI模型资源跨阶段高效分配
- 状态优化:阶段之间的状态转移最少,以获得最佳性能
- 并行阶段组:多个顺序工作流程可以并行运行
🔒 安全与合规性
- 阶段级安全:不同处理阶段的不同安全策略
- 数据验证:确保每个检查点的数据完整性和合规性
- 访问控制:不同工作流程阶段的精细权限
- 监管合规性:通过结构化处理满足监管要求
📊 监控与分析
- 阶段级指标:每个工作流程阶段的性能监控
- 瓶颈识别:识别并优化缓慢阶段
- 质量指标:跟踪每个阶段的质量和成功率
- 流程优化:基于阶段级分析的持续改进
让我们构建强大的顺序 AI 处理管道! 🚀
💻 运行代码
完整的实现可在 02.dotnet-agent-framework-workflow-ghmodel-sequential.cs 中找到。该文件演示了三阶段家具分析工作流程:
- 第一阶段 - 销售代理:分析家具图片并提供购买建议
- 第 2 阶段 - 价格代理:提供详细的定价细目和预算选项
- 第3阶段-报价代理:生成Markdown格式的专业报价文档
🏗️ 工作流程架构
1 | Image Input → Sales Analysis → Price Estimation → Quote Generation → Final Output |
Each agent:
- Receives the output from the previous stage as context
- Builds upon previous analysis with specialized expertise
- Maintains workflow continuity through state management
🚀 Running the Example
Prerequisites:
- Place a furniture image at
../imgs/home.png(or update theimgPathvariable) - Configure your
.envfile with GitHub Models credentials
1 | # Make the script executable (Unix/Linux/macOS) |
Or on Windows:
1 | dotnet run 02.dotnet-agent-framework-workflow-ghmodel-sequential.cs |
📝 预期输出
工作流程将:
- 销售代理:从图像中识别家具物品并提供建议
- 价格代理:添加详细的定价分析,包括预算等级和购物建议
- 报价代理:综合所有信息生成格式化的报价文档
最终输出将是基于图像分析的全面、专业的家具报价。
🔧 自定义选项
修改代理行为:
1 | // Adjust agent instructions to change their focus |
更改顺序流程:
1 | // Add or reorder workflow stages |
使用不同的输入:
1 | // Process text instead of images |
🎯 实际应用
这种顺序模式非常适合:
- 电子商务:产品分析→定价→报价生成
- 房地产:房产分析 → 估值 → 清单创建
- 保险:索赔分析→评估→报价生成
- 内容创作:研究→写作→编辑→出版
🔍 理解状态流
序列中的每个代理接收:
- 原始输入:初始用户消息(图像+文本)
- 先前的代理输出:对话历史记录中所有先前的代理响应
- 累积上下文:整个工作流程中维护的完整状态
这使得复杂的多阶段处理成为可能,其中每个代理都建立在所有先前阶段的综合上下文之上。
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 xhj的博客!